如何在 R 中表示和合并具有*日期范围*的时间序列数据帧？

Question

我在R 工作，我有一些时间序列数据，其中相关时间是日期范围 --- 即，每一行都有开始日期和结束日期，并且该记录指定了该期间的结果。我希望能够在R 中以适当的方式表示此对象，并将其与具有特定日期的其他时间序列合并。在合并的情况下，我希望我的第一个时间序列（使用日期范围的那个）中的每条记录都与该范围内的日期相匹配，如果有两个或范围内的更具体的日期。这是我希望它使用模拟数据执行的一个简单示例：

#Time series with a date-range
TIME.SERIES1
     Start         End  Value
2018-01-01  2018-01-31   80.6 
2018-02-01  2018-02-28  140.5
2018-03-01  2018-03-31  122.1
2018-04-01  2018-04-30  108.5
2018-05-01  2018-05-31   96.0
2018-06-01  2018-06-30  103.3

#Time series using specific dates
TIME.SERIES2
      Date   Staff
2018-01-15     551
2018-02-14     606
2018-05-18     640
2018-06-02     635
2018-07-15     633

#Merge these using left-join of TIME.SERIES1 and TIME.SERIES2
[some merge command]
     Start         End  Value  Staff
2018-01-01  2018-01-31   80.6    551
2018-02-01  2018-02-28  140.5    606
2018-03-01  2018-03-31  122.1     NA
2018-04-01  2018-04-30  108.5     NA
2018-05-01  2018-05-31   96.0    640
2018-06-01  2018-06-30  103.3    635

我知道您可以在 SQL 中相当轻松地进行这种类型的合并，但我不确定如何在 R 中进行。我之前使用过xls包进行时间序列分析，但不知道它是否能完成我想做的事情。这个包似乎允许我指定一个日期作为索引，但不是一个日期范围。同样，它似乎允许我在一个日期合并两个时间序列对象，但我不确定如何根据日期范围进行合并（以上面显示的方式）。

---

问题：R 中的时间序列工具能否处理时间索引为日期范围而不是特定日期的对象（即，可以您有一个包含开始时间和结束时间的索引）？我们如何将具有日期范围的数据与具有单个日期的日期合并？

Answer 1

一个想法是创建一个笛卡尔积，然后应用过滤器以仅保留有效的案例。这种方法的好处是您可以对数据使用常规操作（分组、变异、过滤），从而为解决关系带来了灵活性。

感谢 G. Grothendieck 从问题中创建数据集的代码。

library(tidyverse)
library(lubridate)
# See G. Grothendieck's answer for ts1 and ts2
value = tibble(ts1)
staff = tibble(ts2)
full_join(value, staff, by = character()) %>% 
  mutate(valid = Date %within% interval(Start, End)) %>% 
  group_by(Start, End, Value) %>% 
  arrange(Date) %>%
  summarise(Staff = Staff[valid][1])

输出

  Start      End        Value Staff
  <date>     <date>     <dbl> <int>
1 2018-01-01 2018-01-31  80.6   551
2 2018-02-01 2018-02-28 140.    606
3 2018-03-01 2018-03-31 122.     NA
4 2018-04-01 2018-04-30 108.     NA
5 2018-05-01 2018-05-31  96     640
6 2018-06-01 2018-06-30 103.    635

请注意，在此解决方案中，我使用了范围内最早的 Staff 值。您可以轻松更改此设置以满足您的要求。

sqldf解决方案

library(sqldf)
library(tidyverse)
sqldf(
  "SELECT * 
  FROM value 
  LEFT JOIN staff 
  ON staff.Date <= value.End AND staff.Date >= value.Start"
) %>% 
  group_by(Start, End, Value) %>% 
  summarise(Staff = Staff[Date == min(Date)], .groups = "drop")

Answer 2

由于期间始终是完整的单月，并且假设输入是末尾注释中显示的数据框，我们假设所有日期都属于 Date 类，因此向两者添加 yearmon 类列并加入该列。

library(zoo)
ts1$ym <- as.yearmon(ts1$Start)
ts2$ym <- as.yearmon(ts2$Date)

library(dplyr)
left_join(ts1, ts2, "ym")

给予：

       Start        End Value       ym       Date Staff
1 2018-01-01 2018-01-31  80.6 Jan 2018 2018-01-15   551
2 2018-02-01 2018-02-28 140.5 Feb 2018 2018-02-14   606
3 2018-03-01 2018-03-31 122.1 Mar 2018       <NA>    NA
4 2018-04-01 2018-04-30 108.5 Apr 2018       <NA>    NA
5 2018-05-01 2018-05-31  96.0 May 2018 2018-05-18   640
6 2018-06-01 2018-06-30 103.3 Jun 2018 2018-06-02   635

注意

TIME.SERIES1 
Lines1 <- "
     Start         End  Value
2018-01-01  2018-01-31   80.6 
2018-02-01  2018-02-28  140.5
2018-03-01  2018-03-31  122.1
2018-04-01  2018-04-30  108.5
2018-05-01  2018-05-31   96.0
2018-06-01  2018-06-30  103.3"
ts1 <- transform(read.table(text = Lines1, header = TRUE), 
  Start = as.Date(Start), End = as.Date(End))

Lines2 <- "
      Date   Staff
2018-01-15     551
2018-02-14     606
2018-05-18     640
2018-06-02     635
2018-07-15     633"
ts2 <- transform(read.table(text = Lines2, header = TRUE), 
  Date = as.Date(Date))